字节广告算法二面-秋招面经
1.实习和论文
2.机器学习八股
3.交叉熵损失函数、 KL 散度
4.损失函数每个簇的中心点怎么选
推导
5.Kmeans 参数
6. 从数学角度分析L1、L2正则化区别
7.Adam 优化器的原理
8.交叉熵求导过程
9.Dropout 训练和测试的差异
10.手撕全连接层,实现 forward
2.机器学习八股
3.交叉熵损失函数、 KL 散度
4.损失函数每个簇的中心点怎么选
推导
5.Kmeans 参数
6. 从数学角度分析L1、L2正则化区别
7.Adam 优化器的原理
8.交叉熵求导过程
9.Dropout 训练和测试的差异
10.手撕全连接层,实现 forward
全部评论
相关推荐
查看9道真题和解析